情感腦機接口在人機交互領域中具有重要的應用價值。腦電（EEG）由于在時間分辨率、可靠性和準確性方面具備的優勢，在情緒識別領域受到廣泛關注。然而，腦電的非平穩特性和個體差異限制了情緒識別模型在不同時間、不同受試者之間的泛化。為解決跨被試、跨時間情緒分類的問題，本文提出了最大分類器差異域對抗方法（MCD_ DA），通過建立神經網絡情感識別模型，將淺層特征提取器分別對抗域分類器和情感分類器，進而使特征提取器產生域不變表達，在實現近似聯合分布適配的同時訓練分類器學習任務特異性的決策邊界。實驗結果表明，在進行跨被試情緒識別時，相較于傳統通用分類器 58.23% 的平均分類準確率，該方法的平均分類準確率達到了 88.33%。本研究結果提高了情感腦機接口在實際應用中的泛化能力，為情感腦機接口走向實際應用提供了新的方法。